Zrozumienie ośmiu czołowych firm AI w Chinach i USA oraz ich założycieli

Zespół redakcyjny: PANews

Nie ma jednego właściwego sposobu na rozpoczęcie działalności w dziedzinie AI. Naukowcy, zespoły zajmujące się komercjalizacją badań, inżynierowie kwantowi, przedsiębiorcy z różnych branż oraz organizatorzy operacyjni mogą znaleźć swoje miejsce w tej konkurencji.

W ciągu ostatnich dziesięciu lat sztuczna inteligencja przekształciła się z badań w laboratoriach w kluczową siłę kształtującą przemysł technologiczny. Dziś najbardziej znane firmy AI na świecie to zarówno OpenAI, Google DeepMind, Anthropic, xAI, jak i DeepSeek, Dark Side of the Moon, Zhizhu AI oraz MiniMax.

Na pierwszy rzut oka wszystkie te firmy pracują nad dużymi modelami, ale w rzeczywistości reprezentują zupełnie różne ścieżki przedsiębiorcze: niektórzy pochodzą z czołowych prac naukowych i badań akademickich, inni wprowadzają wyniki badań z uczelni do przemysłu, niektórzy najpierw gromadzą moc obliczeniową i kapitał w finansach kwantowych, a inni specjalizują się w finansowaniu, produktach, operacjach i organizacji, tworząc zespoły technologiczne w światowej klasy firmy.

🇨🇳 Chiny: Od prac badawczych, laboratoriów akademickich do inżynierii kwantowej

Dark Side of the Moon: Przekształcenie przełomowej pracy naukowej w produkt dostępny dla wszystkich

Dark Side of the Moon została założona w 2023 roku, a jej produkt Kimi jest jednym z najbardziej rozpoznawalnych zastosowań dużych modeli w Chinach, reprezentując model Kimi K3, który koncentruje się na multimodalności, długim kontekście, programowaniu i głębokim wnioskowaniu.

Założyciel Yang Zhilin, urodzony w 1992 roku w Shantou w prowincji Guangdong, ukończył studia licencjackie na Uniwersytecie Tsinghua, a następnie uzyskał doktorat z informatyki na Uniwersytecie Carnegie Mellon, ucząc się od badaczy w dziedzinie przetwarzania języka naturalnego. W trakcie studiów doktoranckich uczestniczył w pracach nad Transformer-XL, XLNet i innymi, które później były szeroko cytowane. Pracował również w Google Brain i Meta w dziedzinie badań AI.

Wśród chińskich przedsiębiorców Yang Zhilin podąża najbardziej typową ścieżką - najpierw udowadnia swoją zdolność w kręgach akademickich, a następnie przekształca tę zdolność w produkt, który może być bezpośrednio używany przez zwykłych ludzi. W przeciwieństwie do Zhizhu, który bardziej koncentruje się na usługach dla firm, Dark Side of the Moon od samego początku celuje w rynek konsumencki.

Zhizhu AI: Przykład komercjalizacji z laboratorium Tsinghua

Zhizhu AI została założona w 2019 roku, wywodzi się z systemu laboratorium inżynierii wiedzy Uniwersytetu Tsinghua, a jej główną technologią jest seria GLM, która od dłuższego czasu zajmuje się podstawowymi modelami, usługami dla firm i platformami modelowymi.

Współzałożyciel i CEO Zhang Peng, który ukończył studia licencjackie, magisterskie i doktoranckie na Uniwersytecie Tsinghua, od 2005 do 2020 roku intensywnie pracował nad budową laboratorium inżynierii wiedzy oraz platformy akademickiej AMiner, nie mając doświadczenia w tradycyjnych dużych firmach internetowych.

Specjalnością Zhizhu AI jest jej punkt wyjścia - nie zaczęła od jednego hitowego produktu, ale bezpośrednio przekształciła wiedzę i sieć akademicką zgromadzoną przez ponad dziesięć lat w laboratorium uniwersyteckim w platformę modelową, która może świadczyć usługi na zewnątrz. To również największa różnica między nią a Dark Side of the Moon: jedna zaczyna od platformy, a druga od produktu.

DeepSeek: Inwestowanie w duże modele z pieniędzy zarobionych na handlu kwantowym

DeepSeek została założona w 2023 roku, koncentrując się na podstawowych modelach, efektywności treningu i otwartych wagach, a jej reprezentatywne modele to DeepSeek-V3, R1 oraz późniejsze serie V4.

Założyciel Liang Wenfeng, urodzony w 1985 roku w Wuchuan w prowincji Guangdong, ukończył studia licencjackie z zakresu inżynierii informacji na Uniwersytecie Zhejiang, a następnie uzyskał tytuł magistra w dziedzinie informacji i inżynierii komunikacyjnej, koncentrując się na wizji maszynowej. Nie ma doświadczenia w dużych firmach, takich jak Huawei, Tencent czy Baidu, ale w trakcie studiów magisterskich zajął się kwantowym handlem maszynowym, a następnie współzałożył firmę Huansheng Quant.

Ścieżka Liang Wenfenga jest najbardziej wyjątkowa wśród tych firm: nie był najpierw badaczem, a potem szukał funduszy, ale najpierw zgromadził kapitał i moc obliczeniową dzięki inwestycjom kwantowym, a następnie zainwestował te zasoby w badania nad dużymi modelami. DeepSeek w pewnym sensie jest produktem "mocy obliczeniowej zarobionej w finansach, która zasila AI".

MiniMax: Od wysokiego szczebla w dużych firmach do przedsiębiorcy multimodalnego

MiniMax została założona w 2022 roku jako firma zajmująca się multimodalnymi podstawowymi modelami, obejmującymi tekst, dźwięk, obraz i wideo, a jej produkty to Hai Luo AI, Xing Ye i inne.

Założyciel Yan Junjie, posiada tytuł licencjata z matematyki na Uniwersytecie Południowo-Wschodnim oraz doktorat z sztucznej inteligencji w Instytucie Automatyki Chińskiej Akademii Nauk, a także odbył badania podoktorskie na Uniwersytecie Tsinghua. Przed rozpoczęciem działalności pracował w SenseTime przez ponad sześć lat, osiągając stanowisko wiceprezesa i wicedyrektora instytutu badawczego.

Yan Junjie łączy w sobie dwa rodzaje doświadczeń - solidne szkolenie akademickie oraz praktyczne doświadczenie w zarządzaniu produktami i zespołami w dużych zespołach AI, takich jak SenseTime. MiniMax wybiera trudniejszą drogę multimodalną, co w pewnym sensie jest naturalnym wyborem wynikającym z połączenia tych dwóch doświadczeń.

🇺🇸 Stany Zjednoczone: Od badań podstawowych, przez zarządzanie bezpieczeństwem, po integrację zasobów międzybranżowych

Anthropic: Para rodzeństwa, jeden fizyk, drugi zarządca

Anthropic została założona w 2021 roku przez grupę badaczy, którzy odeszli z OpenAI. Ich główną ideą jest "bezpieczeństwo AI powinno być równolegle rozwijane z rozwojem zdolności", a reprezentatywnym produktem jest seria Claude.

Współzałożyciel i CEO Dario Amodei ukończył studia licencjackie z fizyki na Uniwersytecie Stanforda, a na etapie doktoranckim przeszedł na Uniwersytet Princeton, gdzie studiował biophysic. To interdyscyplinarne tło później wpłynęło na jego ścieżkę badawczą - najpierw dołączył do Google Brain jako starszy naukowiec, a następnie przeszedł do OpenAI jako wiceprezydent ds. badań, uczestnicząc w treningu GPT-2 i GPT-3 oraz będąc jednym z kluczowych uczestników wczesnych badań nad RLHF (uczenie się przez wzmocnienie oparte na ludzkim feedbacku). W 2021 roku, wraz z siostrą Danielą i innymi współpracownikami z OpenAI, założył Anthropic.

Daniela ma zupełnie inną ścieżkę. Ukończyła studia z literatury angielskiej, a po ukończeniu studiów nie weszła bezpośrednio do branży technologicznej, lecz pracowała w Stripe i OpenAI w obszarze operacyjnym. W Anthropic jej rola nie polega na trenowaniu modeli, lecz na budowaniu systemu, który zapewnia bezpieczne i stabilne funkcjonowanie firmy - od rekrutacji, przez zarządzanie firmą, po wdrażanie polityki bezpieczeństwa.

Ta para rodzeństwa w pewnym sensie odzwierciedla firmę Anthropic: potrzebny jest zarówno Dario, który potrafi ocenić kierunek technologiczny i zrozumieć granice możliwości modeli, jak i Daniela, która rozumie organizację, procesy i zarządzanie ryzykiem.

OpenAI: Opowiadacz historii i technik

OpenAI została założona w 2015 roku i wprowadziła na rynek takie flagowe produkty jak ChatGPT, GPT, Sora, będąc kluczową firmą, która wprowadziła generatywną AI do powszechnej świadomości.

Sam Altman, po dwóch latach studiów z informatyki na Uniwersytecie Stanforda, porzucił studia, aby założyć firmę zajmującą się lokalizacją Loopt, a następnie został prezydentem Y Combinator. Jego mocną stroną nigdy nie było publikowanie czołowych prac naukowych, lecz pozyskiwanie funduszy, ocena produktów, mobilizacja organizacji i opowiadanie dobrej historii technologicznej.

Ilya Sutskever to zupełnie inny typ. Posiada doktorat z matematyki i informatyki na Uniwersytecie w Toronto, uczył się pod okiem pioniera głębokiego uczenia Geoffrey'a Hintona, pracował w Google Brain, gdzie uczestniczył w ważnych osiągnięciach, takich jak AlexNet i Seq2Seq, a także kierował wczesnymi pracami nad skalowaniem treningu w OpenAI.

Jeśli Ilya decyduje, jaki model OpenAI może stworzyć, to Sam decyduje, czy firma może przetrwać, zdobyć fundusze, sprzedać technologię. Ta kombinacja dwóch osób jest niemal najskuteczniejszą praktyką modelu "naukowiec + organizator" w Dolinie Krzemowej.

xAI: Elon Musk przenosi swoje umiejętności z budowy samochodów i rakiet do AI

xAI została założona w 2023 roku, a jej reprezentatywnym produktem jest Grok, który kładzie nacisk na informacje w czasie rzeczywistym, wnioskowanie i generatywne media, a także jest głęboko zintegrowany z platformą X.

Założyciel Elon Musk urodził się w Pretorii w Południowej Afryce, studiował fizykę i ekonomię, a także krótko uczestniczył w programie studiów magisterskich na Uniwersytecie Stanforda, po czym porzucił studia. W przeciwieństwie do innych założycieli AI, nie ma doświadczenia w tradycyjnych dużych firmach, ale brał udział w zakładaniu takich firm jak Zip2, PayPal, SpaceX, Neuralink i przez długi czas kierował Teslą.

Musk nie wszedł do AI przez prace naukowe czy laboratoria, lecz zintegrował zasoby z różnych branż, takich jak płatności, pojazdy elektryczne, lotnictwo, komunikacja satelitarna i platformy społecznościowe, aby bezpośrednio zainwestować w moc obliczeniową i dane potrzebne do treningu dużych modeli.

Google DeepMind: Geniusz szachowy, który przeszedł drogę od gier do białek

Google DeepMind została założona w 2010 roku, a w 2014 roku została przejęta przez Google. Obecnie jest kluczową instytucją badawczą AI Google, która wprowadziła na rynek AlphaGo, AlphaFold i Gemini.

Współzałożyciel i CEO Demis Hassabis urodził się w Londynie w Wielkiej Brytanii, posiada dyplom z informatyki z Uniwersytetu Cambridge oraz doktorat z kognitywnej neurologii z University College London. W młodości był mistrzem szachowym, w wieku 17 lat uczestniczył w tworzeniu gry "Theme Park", a później założył własną firmę zajmującą się grami Elixir Studios.

Gry wykształciły jego intuicję w zakresie złożonych systemów i podejmowania decyzji, a neurologia dała mu biologiczną perspektywę na zrozumienie samej "inteligencji", podczas gdy informatyka dostarczyła mu umiejętności inżynieryjnych, aby te pomysły zrealizować. Sukces AlphaGo i AlphaFold jest w dużej mierze wynikiem połączenia tych trzech doświadczeń - to drugie przyniosło mu również Nagrodę Nobla w dziedzinie chemii w 2024 roku.

Cztery ścieżki założycieli: Nie ma jednego szablonu dla przedsiębiorczości w AI

Patrząc na te osiem firm, można w przybliżeniu podzielić tło założycieli na cztery kategorie.

Pierwsza kategoria: założyciele o czysto technicznym profilu. Yang Zhilin, Yan Junjie, Dario Amodei, Ilya Sutskever i Demis Hassabis mają systematyczne szkolenie badawcze, a ich wspólnym punktem jest zdolność do oceny kierunku technologicznego, prowadzenia zespołów badawczych i tworzenia rzeczywistych barier w zakresie możliwości modeli lub metod treningowych. Yang Zhilin i Ilya są bliżsi podejściu "najpierw pisz przełomowe prace naukowe, a potem przejdź do przedsiębiorczości"; Hassabis jest natomiast produktem skrzyżowania informatyki, gier i neurologii.

Druga kategoria: komercjalizacja wyników badań akademickich. Zhizhu AI jest najbardziej typowym przykładem, a jej kluczowe umiejętności pochodzą bezpośrednio z wieloletnich osiągnięć laboratorium inżynierii wiedzy Tsinghua. Dark Side of the Moon również ma silne geny badawcze z Tsinghua i zagranicy, ale jej ścieżka jest bardziej zorientowana na rynek - nie zatrzymała się na przekształceniu wyników badań akademickich w usługi dla firm, lecz bezpośrednio stworzyła produkt skierowany do szerokiej publiczności.

Trzecia kategoria: połączenie matematyki, inżynierii i kapitału. Liang Wenfeng i Musk należą do tej kategorii, ale źródła zasobów są zupełnie różne - Liang Wenfeng gromadził kapitał i moc obliczeniową dzięki inwestycjom kwantowym, podczas gdy Musk wykorzystywał zasoby z różnych branż, takich jak płatności, samochody, lotnictwo i platformy społecznościowe. Wspólnym punktem jest to, że ich podejście do AI nigdy nie opierało się wyłącznie na algorytmach.

Czwarta kategoria: nie-techniczni organizatorzy współpracujący z technicznymi założycielami. Sam Altman i Daniela Amodei są przedstawicielami tej ścieżki. Nie są może najlepszymi badaczami modeli, ale decydują o tym, czy firma może zatrudnić ludzi, zdobyć fundusze, zbudować produkt i poradzić sobie z presją regulacyjną, a także nie rozpaść się podczas szybkiej ekspansji.

Konkurencja w dziedzinie AI nigdy nie polegała tylko na tym, "kto ma doktorat z informatyki", ani na tym, "kto może wytrenować większy model".

Prawdziwie decydującym czynnikiem, który wpływa na to, czy firma może utrzymać przewagę, jest to, czy zdolności badawcze, inżynieryjne, produktowe, kapitałowe i organizacyjne mogą tworzyć zamkniętą pętlę: naukowcy decydują o technicznych ograniczeniach, zespoły inżynieryjne decydują, czy model może zostać wdrożony, zespoły produktowe decydują, czy użytkownicy będą chcieli korzystać, kapitał decyduje o inwestycjach w moc obliczeniową i talenty, a organizacja i zarządzanie decydują, czy firma może działać przez długi czas.

Z tej perspektywy, przedsiębiorczość w dziedzinie AI nie ma jednego właściwego rozwiązania.

Naukowcy, zespoły zajmujące się komercjalizacją badań, inżynierowie kwantowi, przedsiębiorcy z różnych branż oraz organizatorzy operacyjni mogą znaleźć swoje miejsce w tej konkurencji.

Kto potrafi zintegrować różne umiejętności w system, ten ma większe szanse na zostanie długoterminowym zwycięzcą w nadchodzącej fali sztucznej inteligencji.

Niniejsza treść ma charakter wyłącznie informacyjny i nie stanowi porady finansowej, inwestycyjnej, prawnej ani podatkowej. Wszelkie wydarzenia, nagrody, promocje online lub powiązane informacje, o których tu mowa, nie powinny być traktowane jako rekomendacja, zachęta ani zaproszenie do kupna, sprzedaży, wymiany lub innego rodzaju obrotu aktywami kryptograficznymi. Aktywa kryptograficzne charakteryzują się dużą zmiennością i mogą prowadzić do strat. Dostępność usług, produktów i powiązanych wydarzeń WEEX może się różnić w zależności od regionu. Użytkownik jest odpowiedzialny za upewnienie się, że jego udział jest zgodny z obowiązującymi lokalnymi przepisami i regulacjami.